IPQC制程检验重点（推荐使用）.ppt

matlab精度检验代码带有关键点重新定位的运动密集结构 [项目页面：] 密集特征提取是使用CNN完成的。 它很密集，但缺点是特征点位置位于网格图案中。 这意味着关键点的准确性不在理想位置。 为了提高关键点的准确性，我们基于粗糙到精细的方法实现了关键点的重新定位。 要求： 请从此处下载MatConvNet： 请下载此网络以获取以下代码：将其放置在与main.m相同的目录中。您可以通过对脚本进行少量修改来更改网络。 您需要在计算机上使用colmap。 在此处阅读有关内容对于我们的论文，我们使用colmap 3.3。 对于数据集，您可以使用colmap提供的测试数据集。 我建议使用South Building。您也可以尝试使用此数据集。 使用方法：0.注意事项：CNN提取的功能已保存在驱动器中，它们总共很大（有时很大）。 确保驱动器中有足够的空间。 在此代码中，GPU起着重要的作用。 我们将1600x1200图像分辨率用于CNN特征提取。 如果您的GPU无法处理该分辨率，请在main.m中更改maximsize变量 准备一个包含要重建的结构图像的文件夹。 结构应如下所示： +资料夹| -i

matlab精度检验代码PIV-LiteFlowNet-en PIV-LiteFlowNet-en是一种执行粒子图像测速（PIV）的深层神经网络，它是一种用于流体运动估计的可视化技术。 该存储库中的目录 caffe ：具有经过训练的模型的caffe主文件夹demos ：包含用于测试经过训练的模型的MATLAB脚本的文件夹 许可和引用 提供此存储库仅用于研究目的。 版权所有。 任何商业用途都需要我们的同意。 如果您在研究工作中使用这些代码，请引用以下论文： Cai S, Liang J, Gao Q, Xu C, Wei R. Particle image velocimetry based on a deep learning motion estimator, IEEE Transactions on Instrumentation and Measurement. (accepted) 或者 Cai S, Zhou S, Xu C, Gao Q. Dense motion estimation of particle images via a convolutional neura

matlab独立性检验代码希尔伯特-施密特独立标准（HSIC） 原始MATLAB代码的Python版本（HSIC）。 先决条件 麻木 科学的 我们在Windows上使用Python 2.7的Anaconda 4.3.0 64位对代码进行了测试。 套用您的资料 用法 使用导入HSIC from HSIC import hsic_gam 在您的数据上应用HSIC testStat, thresh = hsic_gam(x, y, alph = 0.05) 描述 输入函数hsic_gam() 争论 描述 X 第一个变量的数据。 (n, dim_x) numpy数组。 ÿ 第二个变量的数据。 (n, dim_y) numpy数组。 阿尔法 测试水平 函数hsic_gam()输出 争论 描述 testStat 等级alpha测试的测试阈值 脱粒 测试统计 独立测试结果 如果testStat thresh ，则x和y不独立。 作者 Shoubo胡- shoubo [点]子[在]的Gmail [点] com 另请参阅参与此项目的人员列表。

CHI2TEST：单样本 Pearson 卡方拟合优度假设检验。 H=CHI2TEST(X,ALPHA) 执行 Pearson 卡方检验的特殊情况，以确定复合正态性 PDF 的原假设是否是关于具有所需显着性水平 ALPHA 的随机样本 X 的总体分布的合理假设。 H表示根据条件语句的MATLAB规则进行假设检验的结果： H=1 => 不要在显着性水平 ALPHA 拒绝原假设。 H=0 => 在显着性水平 ALPHA 拒绝原假设。 在这种特殊情况下，卡方假设和检验统计量是： 零假设：X 是正态的，均值和方差未知。 替代假设：X 不正常。 随机样本 X 按其估计均值移动，并通过其归一化估计标准差。 选择假定正态分布的测试箱 XP [-inf, -1.6:0.4:1.6, inf] 以避免统计不足。 设 E(x) 是 X 根据正态分布落入 XP 的预期频率，O(x) 是观察到的频率。

R语言的各种检验，如W检验（Shapiro–Wilk (夏皮罗–威克尔 ) W统计量检验)，T检验，正态总体方差检验等函数示例。

压力管道安装检验规程.pdf

压力管道定期检验规则——公用管道.pdf

压力管道用阀门检验.pdf

SFZ JD0404001——2018 伪基站检验操作规范